Sistemi Colturali. Progetto IdeoRice - WP6. Sensitivity analysis Esplorare l iperspazio dei parametri
|
|
- Franca Orlandi
- 5 anni fa
- Visualizzazioni
Transcript
1 Progetto IdeoRice - WP6 Sensitivity analysis Esplorare l iperspazio dei parametri
2 Cos è? A cosa serve? L analisi di sensitività ha l obiettivo di quantificare il ruolo di ogni fattore incerto (parametro o variabile guida) nello spiegare la variabilità degli output di modelli matematici (parametro o variabile guida) (Cariboni et al., 2007). Viene tradizionalmente utilizzata per identificare i parametri del modello che, nelle specifiche condizioni di applicazione, risultano più rilevanti e quindi quelli sui quali concentrare le attività di parametrizzazione (attraverso misure dirette) e/o calibrazione (calibrare molti parametri contemporaneamente può essere molto pericoloso).
3 Cos è? A cosa serve? Ultimamente viene utilizzata per analizzare il comportamento dei modelli, tanto in fase di creazione degli stessi (da parte quindi dello sviluppatore) che in fase di comprensione (da parte quindi dell utente) (Tarandola e Saltelli, 2003). E possibile utilizzare tecniche di sensitivity analysis anche per processi di riduzione o semplificazione di modelli, in modo da evitare ridondanze nella struttura del modello e/o overparametrizzazioni (Ratto et al., 2001). Oppure per identificare moduli per i quali è necessario aumentare il livello di raffinatezza nella rappresentazione dei processi in gioco.
4 Cos è? A cosa serve? In questo contesto, sono stati ultimamente proposti indicatori e criteri per valutare aspetti specifici del comportamento dei modelli matematici, come il bilanciamento (Confalonieri, 2010) e la plasticità (Confalonieri et al., 2012). Alcuni autori (Refsgaard et al., 2005) suggeriscono di adottare un processo iterativo, nel quale il modello è analizzato e modificato nel corso del suo sviluppo, prima ancora di confrontarne gli output con dati osservati (Jakeman et al., 2006). Queste considerazioni portano a valutare il processo di sviluppo del modello prima del sul prodotto, suggerendo che la qualità del modello è, in larga misura, funzione del modo in cui è stato sviluppato (Ravetz, 1997).
5 Cos è? Sistemi Colturali In passato (e a volte, purtroppo, tutt ora ) l analisi di sensitività è stata condotta: dividendo il campo d esistenza dei parametri del modello in intervalli regolari effettuando, un parametro alla volta, simulazioni per ciascun valore derivante dalla divisione in intervalli registrando ogni volta il risultato Quali sono i limiti di questo approccio? non esplora in modo efficiente l iperspazio dei parametri non tiene conto delle interazioni dei parametri
6 Parsimonia Accuratezza Metodi di sensitivity analysis Metodi di screening (media e deviazione standard di rapporti incrementali) Morris Regression-based methods (calcolo di coefficienti di regressione standard o parziali per quantificare gli effetti di variazioni nel valore dei fattori) Latin Hypercube Sampling Random Quasi-Random LpTau Variance-based methods (scomposizione della varianza) Sobol Fourier Amplitude Sensitivity Test (FAST) Extended FAST
7 Metodi di screening Morris Il metodo di Morris (Morris, 1991) viene tipicamente utilizzato per individuare i parametri con rilevanza molto bassa, in modo da ridurre il numero di quelli da sottoporre a metodi di analisi più onerosi in termini di tempo computazionale. In comparative con altri metodi, in realtà, si è dimostrato molto efficace nell ordinare i parametri in base alla loro rilevanza. Spesso viene quindi utilizzato singolarmente, senza l applicazione successiva di altri metodi (Confalonieri et al., 2010; Yang, 2011).
8 Metodi di screening Morris Assumiamo che X = (x 1,, x k ) sia il vettore dei k parametri sui quali si sta effettuando l analisi. Riscalare tutte le variabili in modo da fargli assumere solo valori tra 0 e 1. x i è forzato ad assumere solo p valori discreti (i.e., livelli) all interno dell insieme {0, 1/(p-1), 1/(p-2),, 1}. Assumendo Δ come un multiplo di 1/(p-1) e y(x) come l output del modello, ogni effetto elementare R i (x i, x k, Δ) è dato da R i ( x 1,..., x k, ) y x,..., x, x, x,..., x y x,..., x 1 i 1 i i 1 k 1 k
9 Metodi di screening Morris Sono poi calcolati media (μ) e deviazione standard (σ) della popolazione dei rapporti incrementali ottenuti campionando l iperspazio Ω, definito da una griglia caratterizzata da k dimensioni e p livelli. μ rappresenta l effetto totale del fattore sull output, σ identifica non linearità nella risposta del modello o interazioni con altri fattori. μ e σ sono calcolati su differenti traiettorie (r), per un totale di r(k+1) run del modello.
10 Regression-based methods LHS, Random, LpTau Il principio dei regression-based methods è di approssimare la relazione tra output e fattori attraverso un equazione del tipo: y b n 0 b i x i i 1 dove y è l output del modello, x i è l i-esimo fattore, n è il numero di fattori, b i è il coefficiente da stimare per x i, ε è l errore casuale. Quando i fattori x i sono indipendenti, si può utilizzare il coefficiente di regressione standardizzato (SRC) per ottenere una stima dell indice di sensitività per il fattore x i : s s SRC x i bi dove j e sono le deviazioni standard del fattore e dell output. s s j
11 Regression-based methods LHS, Random, LpTau Ogni SRC quantifica l effetto della variazione di un fattore, rispetto al suo valore standard, di una frazione fissa della sua deviazione standard, con gli altri fattori fissi ai loro default. Questa famiglia di metodi fornisce anche il coefficiente di determinazione R 2, che indica la porzione di varianza totale spiegata dal modello regressivo. Se il modello regressivo è realmente capace di spiegare la relazione tra fattori e output, più alto è il valore di SRC, maggiore sarà la rilevanza del fattore. Tra le tecniche di campionamento più utilizzate per generare le combinazioni di fattori per metodi basati sulla regressione, ci sono Ipercubo Latino, Random, Quasi-Randon LpTau.
12 Variance-based methods Sobol, FAST, E-FAST I variance-based methods usano un rapporto tra varianze per stimare la rilevanza dei fattori. Sono basati sulla scomposizione della varianza totale dell output di un modello V(Y) (analogamente all ANOVA) basandosi sull equazione: V n n Y Di Dij... i 1 i j n i... n dove D i rappresenta il first-order effect per ogni fattore x i (D i = V[E(Y/x i )]) e i valori da D ij (D ij = V[E(Y/x i,x j )] - D i - D j ) a D 1 n l interazione tra n fattori. n D 1... n
13 Variance-based methods Sobol, FAST, E-FAST La varianza di V[E(Y/x i )] rappresenta il main effect di x i (S i ) ed è usata per quantificare la sua rilevanza nello spiegare le variazioni nell output: S i V E Y V / Y x Per ogni fattore, è utile inoltre calcolare il total sensitivity index (ST i ), corrispondente al suo effetto inteso come effetto del fattore xi e delle interazioni del fattore x i con gli altri. i ST S S... S i i ij 1... n j i
14 Variance-based methods Sobol, FAST, E-FAST Due fattori hanno interazione se il loro total effect sull output non è uguale alla somma dei loro effetti di prim ordine. L effetto dell interazione di due fattori (effetto di second ordine) è dato da: Y V E Y x, x V E Y x V E Y x V ij i j i j dove V(E[Y/ x i,x j ]) descrive l effetto della coppia (x i, x j ) su Y. Effetti di interazioni d ordine superiore al secondo sono calcolati in modo analogo.
15 Metodi di sensitivity analysis Anche i metodi per l analisi di sensitività hanno parametri (attenzione: non sono i parametri dei modelli che analizzano)! Può essere interessante analizzare la stabilità dei metodi al variare dei loro parametri.
16 Metodi di sensitivity analysis Per valutare il modo in cui i diversi metodi ordinano i parametri in base alla loro rilevanza può essere utile usare il Top-Down Concordance Coefficient (TDCC; Iman e Conover, 1987) calcolato in base ai Savage Score (Savage, 1956)
17 Metodi di sensitivity analysis La concordanza tra rankings è considerata non-statisticamente significativa per p-value maggiori di dove p-value è calcolato dalla statistica T, che approssima una distribuzione Χ 2, con K-1 gradi di libertà: L ipotesi nulla è: assenza di concordanza tra i rankings.
18 Metodi di sensitivity analysis
19 Metodi di sensitivity analysis
20 Metodi di sensitivity analysis
21 Metodi di sensitivity analysis
22 Metodi di sensitivity analysis
23 I risultati di sensitivity analysis variano con condizioni esplorate
24 I risultati di sensitivity analysis variano con condizioni esplorate
25 Sensitivity analysis & ideotyping Nel nostro caso: parametro del modello ~ tratto (Semenov and Stratonovitch 2013). L analisi di sensitività ci servirà: per capire quali sono i tratti per i quali variazioni (all interno di valori possibili data una certa variabilità genetica di partenza) potrebbero dare i migliori benefici; per valutare le performance di possibili ideotipi. Benefici in rapporto a specifiche funzioni obiettivo non è detto che massimizzare la resa sia sempre e comunque ciò che più desideriamo!
26 Sensitivity analysis & ideotyping Esempio: Siamo interessati alla qualità delle produzioni: Il distretto per cui stiamo conducendo l analisi è caratterizzato da condizioni di disponibilità idrica molto limitata Vogliamo pensare a genotipi specifici per agricoltura biologica La "funzione obiettivo" (e quindi l ideotipio) dipende dallo scenario!!!
27 Sensitivity analysis & ideotyping Cercheremo di capire che caratteristiche dovranno avere gli ideotipi considerando: le loro performance lo "sforzo" per produrli Il profilo dell ideotipo sarà determinato dalla media dei valori dei tratti per l 1% dei possibili genotipi che hanno ottenuto il miglior valore di Iscore
28 References Sistemi Colturali Cariboni, J., Gatelli, D., Liska, R., Saltelli, A., The role of sensitivity analysis in ecological modelling. Ecol. Model. 203, Confalonieri, R., Monte Carlo based sensitivity analysis of two crop simulators and considerations on model balance. Eur. J. Agron., 33, Confalonieri, R., Bellocchi, G., Bregaglio, S., Donatelli, M., Acutis, M., Comparison of sensitivity analysis techniques: A case study with the rice model WARM. Ecol. Model. 221, Confalonieri, R., Bregaglio, S., Acutis, M., Quantifying plasticity in simulation models. Ecological Modelling, 225, Grubbs, F., Procedures for detecting outlying observations in samples. Technometrics, 11, Iman, R.L., Conover, W.J., A measure of top-down correlation. Technometrics 293, Jakeman, A.J., Letcher, R.A., Norton, J.P., Ten iterative steps in development and evaluation of environmental models. Environ. Model. Softw. 21, Morris, M.D., Factorial sampling plans for preliminary computational experiments. Technometrics 33, Ratto, M., Tarantola, S., Saltelli, A., Sensitivity analysis in model calibration. GSA-GLUE approach. Comp. Phys. Comm. 136, Ravetz, J.R., Integrated Environmental Assessment Forum: Developing Guidelines for Good Practice. Darmstadt University of Technology. ULYSSES WP-97 1, ULYSSES Project. Refsgaard, J.C., Henriksen, H.J., Harrar, W.G., Scholte, H., Kassahun, A., Quality assurance in model based water management review of existing practice and outline of new approaches. Environ. Model. Softw. 20, Savage, I.R., Contributions to the Theory of Rank Order Statistics the Two-sample Case. Ann. Math. Statist. 27, Semenov, M.A., Stratonovitch, P., Designing high-yielding wheat ideotypes for a changing climate. Food Energy Secur. 2, Tarantola, S., Saltelli, A., SAMO 2001: methodological advances and innovative applications of sensitivity analysis. Reliab. Eng. Syst. Safety 79, Yang, J., Convergence and uncertainty analysis in Monte-Carlo based sensitivity analysis. Environ. Model. Softw. 26,
lezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliModellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it a.a. 2018-2019 CdS Scienze della Produzione e Protezione delle Piante (g59)
DettagliANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015
ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è
DettagliWARM: un modello di simulazione che vuole fare il punto sul sistema colturale risaia
Institute for Protection and Security of the Citizen WARM: un modello di simulazione che vuole fare il punto sul sistema colturale risaia 1 Il progetto WARM 2 1 Linee guida / 1 1. Tutti gli aspetti del
DettagliLa verità giace in un ambito molto ristretto, ma l errore è immenso... Henry St John, Reflextion on Exile
La verità giace in un ambito molto ristretto, ma l errore è immenso... Henry St John, Reflextion on Exile APPROCCIO TRADIZIONALE APPROCCIO MODERNO Variabilità Variabilita casuale + completamente dipendente
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliArgomenti della lezione:
Lezione 7 Argomenti della lezione: La regressione semplice Il modello teorico Il calcolo dei parametri Regressione lineare Esamina la relazione lineare tra una o più variabili esplicative (o indipendenti,
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
Dettaglis a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value
Inferenza: singolo parametro Sistema di ipotesi: H 0 : β j = β j0 H 1 : β j β j0 statistica test t b j - b s a jj j0 > t a, 2 ( n-k) confronto con valore t o p-value Se β j0 = 0 X j non ha nessuna influenza
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliMetodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione
Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliCAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza
Douglas C. Montgomery Progettazione e analisi degli esperimenti 006 McGraw-Hill CAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza Metodi statistici e probabilistici per l ingegneria
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliUniversità del Piemonte Orientale. Corso di laurea specialistica in biotecnologie mediche. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea specialistica in biotecnologie mediche Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliLa distribuzione t. Federico Plazzi. 7 Novembre 2015
La distribuzione t Federico Plazzi 7 Novembre 2015 Popolazione e campioni Popolazione e campioni Definizioni ed assunzioni di partenza Campione: l insieme di individui che abbiamo potuto osservare. Popolazione
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: descrivere la distribuzione di campionamento della differenza di due medie costruire gli
DettagliUniversity of Messina, Italy
TRATTAMENTO E VALUTAZIONE DI DATI STATISTICI Applicazione della statistica alla valutazione dei dati Le applicazioni più comuni della statistica alla chimica analitica sono: Definire l intervallo numerico
DettagliIl modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 15 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliCorrelazione e regressione
Correlazione e regressione Correlazione 1 Come posso determinare il legame tra due o più variabili? Correlazione COEFFICIENTE DI CORRELAZIONE (r di Pearson) massimo consumo di ossigeno e prestazione nelle
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliApplicazione del t-test a dati accoppiati
Applicazione del t-test a dati accoppiati La t-distribution è utile per confrontare dati accoppiati, ovvero osservazioni organizzate a coppie in cui si vuol valutare la differenza tra le coppie L esempio
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliAnalisi di Regressione Multipla
Analisi di Regressione Multipla Stima OLS della relazione Test Score/STR : TestScore! = 698.9.8 STR, R =.05, SER = 18.6 (10.4) (0.5) E una stima credibile dell effetto causale sul rendimento nei test di
DettagliUtilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi
La variabile standardizzata Utilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi X'= X Media(X ) DS(X ) Visto l ampio uso in statistica di questa procedura, la
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliMetodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza. Esercitazione
Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università
DettagliStatistica. Capitolo 10. Verifica di Ipotesi su una Singola Popolazione. Cap. 10-1
Statistica Capitolo 1 Verifica di Ipotesi su una Singola Popolazione Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Formulare ipotesi nulla ed ipotesi alternativa
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) MEDIA aritmetica semplice
DettagliSistemi Colturali. Sistemi colturali analizzati e gestiti con modelli di simulazione (2)
Sistemi colturali analizzati e gestiti con modelli di simulazione (2) Vedremo diverse tipologie di modelli per l analisi e la gestione dei sistemi colturali Ma prima: Perché ce ne sono molti? Ne esiste
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliLezione 18. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 18. A. Iodice
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 45 Outline 1 2 3 4 5 () Statistica 2 / 45 Modello di In molte applicazioni il ruolo delle variabili
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Regressione lineare semplice (vers. 1.2, 20 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliRegressione & Correlazione
Regressione & Correlazione Monia Ranalli Ranalli M. Dipendenza Settimana # 4 1 / 20 Sommario Regressione Modello di regressione lineare senplice Stima dei parametri Adattamento del modello ai dati Correlazione
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliStatistica economica
Statistica economica a.a. 013/14 Dr. Luca Secondi 10.a. Output tipico di un modello di regressione lineare multipla 1 Le analisi basate sul modello di regressione prevedono la stima dei coefficienti associati
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliCorso di Sistemi di Gestione per la Qualità (SGQ) AA
Corso di Sistemi di Gestione per la Qualità (SGQ) AA 018-19 6 CFU Prof. Gianluca D Urso 1 Tecniche ANOVA ANalisys Of VAriance Problema che si vuole risolvere: esiste una differenza? A punti rossi B punti
DettagliAnalisi della varianza
Analisi della varianza Mediante un singolo esperimento vengono confrontate fra loro più popolazioni (gruppi, tesi). Consente di valutare quantitativamente l importanza delle diverse fonti di variazione
DettagliIl modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 11 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello
Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliUniversità del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliProbabilità e Statistica
Probabilità e Statistica Non faremo una trattazione sistematica di probabilità e statistica (si veda in proposito il corso di Esperimentazioni III) Richiameremo alcuni argomenti che avete già visto quando
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliAnalisi delle componenti principali
Analisi delle componenti principali Serve a rappresentare un fenomeno k-dimensionale tramite un numero inferiore o uguale a k di variabili incorrelate, ottenute trasformando le variabili osservate Consiste
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliAnalisi della Regressione Lineare
Analisi della Regressione Lineare Master in Tecnologie Bioinformatiche 29/09/06 Adriano Decarli 1 29/09/06 Adriano Decarli 2 29/09/06 Adriano Decarli 3 29/09/06 Adriano Decarli 4 29/09/06 Adriano Decarli
Dettagli